Une table dérivée est une requête dont les résultats sont utilisés comme si la table dérivée était une table physique de la base de données. Une table dérivée native est basée sur une requête que vous définissez à l'aide des termes LookML. Elle est différente d'une table dérivée basée sur SQL, qui repose sur une requête que vous définissez avec des termes SQL. Comparées aux tables dérivées basées sur SQL, les tables dérivées natives sont beaucoup plus faciles à lire et à comprendre lors de la modélisation des données. Pour en savoir plus, consultez la section Tables dérivées natives et tables dérivées basées sur SQL de la page de documentation Tables dérivées dans Looker.
Les tables dérivées natives et basées sur SQL sont définies dans LookML à l'aide du paramètre derived_table au niveau de la vue. En revanche, avec les tables dérivées natives, il est inutile de créer une requête SQL. À la place, vous devez utiliser le paramètre explore_source pour spécifier l'exploration sur laquelle baser la table dérivée, les colonnes et autres caractéristiques souhaitées.
Vous pouvez également demander à Looker de créer le code LookML de la table dérivée à partir d'une requête SQL Runner, comme décrit dans la page de documentation Utiliser SQL Runner pour créer des tables dérivées.
Définition de vos tables dérivées natives à partir d'une exploration
À partir d'une exploration, Looker peut générer un code LookML pour tout ou partie d'une table dérivée. Il suffit de créer une exploration et de sélectionner tous les champs souhaités dans la table. Ensuite, procédez comme suit pour générer le code LookML de la table dérivée native:
Sélectionnez le menu en forme de roue dentée Explorer les actions et sélectionnez Obtenir du code LookML.
Cliquez sur l'onglet Table dérivée pour afficher le code LookML permettant de créer une table dérivée native pour l'exploration.
Copiez le code LookML.
Après avoir copié le code LookML généré, collez-le dans un fichier de vue :
En mode Développement, accédez aux fichiers de votre projet.
Cliquez sur le signe + en haut de la liste des fichiers du projet dans l'IDE Looker, puis sélectionnez Créer une vue. Vous pouvez également cliquer sur le menu d'un dossier et sélectionner Create View (Créer une vue) dans le menu afin de créer le fichier dans le dossier.
Donnez un nom représentatif à la vue.
Au besoin, changez le nom des colonnes, désignez des colonnes dérivées et ajoutez des filtres.
Lorsque vous utilisez une mesure de
type: countdans une exploration, la visualisation attribue aux valeurs obtenues le nom de la vue plutôt que le mot Count. Pour éviter toute confusion, utilisez le nom de votre vue au pluriel. Vous pouvez modifier le nom de la vue en sélectionnant Afficher le nom complet du champ sous Série dans les paramètres de visualisation, ou en utilisant le paramètreview_labelavec une version plurielle du nom de votre vue.
Définition d'une table dérivée native dans LookML
Que vous utilisiez des tables dérivées déclarées en SQL ou en code LookML natif, le résultat de la requête d'une derived_table est une table avec un ensemble de colonnes. Si la table dérivée est exprimée en SQL, les noms de ces colonnes de sortie sont implicitement fournis par la requête SQL. Par exemple, la requête SQL suivante aura les colonnes de sortie user_id, lifetime_number_of_orders et lifetime_customer_value:
SELECT
user_id
, COUNT(DISTINCT order_id) as lifetime_number_of_orders
, SUM(sale_price) as lifetime_customer_value
FROM order_items
GROUP BY 1
Dans Looker, les requêtes sont basées sur une exploration, incluent des champs de mesure et de dimension, ajoutent si nécessaire des filtres, et peuvent même indiquer un ordre de tri. Une table dérivée native contient tous ces éléments, ainsi que les noms de sortie des colonnes.
L'exemple simple suivant génère une table dérivée avec trois colonnes: user_id, lifetime_customer_value et lifetime_number_of_orders. Vous n'avez pas besoin d'écrire la requête manuellement en SQL. Looker la crée pour vous en utilisant l'exploration order_items spécifiée et certains des champs de cette exploration (order_items.user_id, order_items.total_revenue et order_items.order_count).
view: user_order_facts {
derived_table: {
explore_source: order_items {
column: user_id {
field: order_items.user_id
}
column: lifetime_number_of_orders {
field: order_items.order_count
}
column: lifetime_customer_value {
field: order_items.total_revenue
}
}
}
# Define the view's fields as desired
dimension: user_id {
hidden: yes
}
dimension: lifetime_number_of_orders {
type: number
}
dimension: lifetime_customer_value {
type: number
}
}
Utiliser des instructions include pour permettre le référencement de champs
Dans le fichier de vue de la table dérivée native, utilisez le paramètre explore_source pour pointer vers une exploration et définir les colonnes et autres caractéristiques souhaitées pour cette table. Étant donné que vous pointez vers une exploration à partir du fichier de vue de la table dérivée native, vous devez également inclure le fichier contenant la définition de l'exploration. Les explorations sont généralement définies dans un fichier de modèle. Toutefois, dans le cas de tables dérivées natives, il est préférable de créer un fichier distinct pour l'exploration à l'aide de l'extension de fichier .explore.lkml, comme indiqué dans la documentation sur la création de fichiers d'exploration. De cette façon, vous pouvez inclure un unique fichier d'exploration dans le fichier de vue de votre table dérivée native, plutôt que l'intégralité du fichier de modèle. Dans ce cas :
- Le fichier de vue de la table dérivée native doit inclure le fichier de l'exploration. Exemple :
include: "/explores/order_items.explore.lkml"
- Le fichier de l'exploration doit inclure les fichiers de vue dont il a besoin. Exemple :
include: "/views/order_items.view.lkml"include: "/views/users.view.lkml"
- Le modèle doit inclure le fichier de l'exploration. Exemple :
include: "/explores/order_items.explore.lkml"
Les fichiers d'exploration écoutent la connexion du modèle dans lequel ils sont inclus. Tenez-en compte lorsque vous incluez des fichiers d'exploration dans des modèles configurés avec une connexion différente du modèle parent du fichier d'exploration. Si le schéma de connexion du modèle inclus est différent de celui de la connexion du modèle parent, des erreurs de requête peuvent se produire.
Définition de colonnes d'une table dérivée native
Comme indiqué dans l'exemple précédent, column permet de spécifier les colonnes de sortie de la table dérivée.
Spécification des noms de colonnes
Pour la colonne user_id, le nom de la colonne correspond au nom du champ spécifié dans l'exploration d'origine.
En général, vous souhaitez que les colonnes de la table de sortie portent un nom différent de celui des champs de l'exploration d'origine. L'exemple précédent a généré un calcul de la valeur vie par utilisateur à l'aide de l'exploration order_items. Dans la table de sortie, total_revenue est en fait l'objet lifetime_customer_value d'un client.
La déclaration column permet de déclarer un nom de sortie différent du champ de saisie. Par exemple, le code suivant indique à Looker de "créer une colonne de sortie nommée lifetime_value à partir du champ order_items.total_revenue":
column: lifetime_value {
field: order_items.total_revenue
}
Noms de colonnes implicites
Si le paramètre field est exclu d'une déclaration de colonne, il est considéré comme <explore_name>.<field_name>. Par exemple, si vous avez spécifié explore_source: order_items :
column: user_id {
field: order_items.user_id
}
équivaut à
column: user_id {}
Création de colonnes dérivées pour des valeurs calculées
Vous pouvez ajouter des paramètres derived_column pour spécifier des colonnes qui n'existent pas dans l'exploration du paramètre explore_source. Chaque paramètre derived_column est associé à un paramètre sql qui indique comment construire la valeur.
Le calcul de sql peut utiliser n'importe quelle colonne que vous avez spécifiée à l'aide des paramètres column. Les colonnes dérivées ne peuvent pas inclure de fonctions d'agrégation, mais peuvent en revanche contenir des calculs réalisables sur une seule ligne de la table.
L'exemple suivant génère la même table dérivée que l'exemple précédent, mais ajoute une colonne average_customer_order calculée, calculée à partir des colonnes lifetime_customer_value et lifetime_number_of_orders de la table dérivée native.
view: user_order_facts {
derived_table: {
explore_source: order_items {
column: user_id {
field: order_items.user_id
}
column: lifetime_number_of_orders {
field: order_items.order_count
}
column: lifetime_customer_value {
field: order_items.total_revenue
}
derived_column: average_customer_order {
sql: lifetime_customer_value / lifetime_number_of_orders ;;
}
}
}
# Define the view's fields as desired
dimension: user_id {
hidden: yes
}
dimension: lifetime_number_of_orders {
type: number
}
dimension: lifetime_customer_value {
type: number
}
dimension: average_customer_order {
type: number
}
}
Utilisation des fonctions de fenêtrage SQL
Certains dialectes de base de données prennent en charge les fonctions de fenêtrage, notamment pour créer des numéros de séquence, des clés primaires, des totaux cumulés et cumulés, ainsi que d'autres calculs à plusieurs lignes utiles. Une fois la requête principale exécutée, toutes les déclarations derived_column sont exécutées lors d'une autre passe.
Si votre dialecte de base de données prend en charge les fonctions de fenêtrage, vous pouvez les utiliser dans votre table dérivée native. Créez un paramètre derived_column avec un paramètre sql contenant la fonction de fenêtrage souhaitée. Pour référencer ces valeurs, vous devez utiliser le nom de colonne défini dans la table dérivée native.
L'exemple suivant crée une table dérivée native qui inclut les colonnes user_id, order_id et created_time. Ensuite, en utilisant une colonne dérivée avec une fonction de fenêtrage SQL ROW_NUMBER(), il calcule une colonne contenant le numéro de séquence de la commande d'un client.
view: user_order_sequences {
derived_table: {
explore_source: order_items {
column: user_id {
field: order_items.user_id
}
column: order_id {
field: order_items.order_id
}
column: created_time {
field: order_items.created_time
}
derived_column: user_sequence {
sql: ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY created_time) ;;
}
}
}
dimension: order_id {
hidden: yes
}
dimension: user_sequence {
type: number
}
}
Ajout de filtres à une table dérivée native
Supposons que vous souhaitiez créer une table dérivée de la valeur d'un client au cours des 90 derniers jours. Vous souhaitez utiliser les mêmes calculs que ceux que vous avez effectués dans l'exemple précédent, mais seuls les achats des 90 derniers jours doivent être inclus.
Il vous suffit d'ajouter un filtre à derived_table qui filtre les transactions des 90 derniers jours. Le paramètre filters d'une table dérivée utilise la même syntaxe que vous utilisez pour créer une mesure filtrée.
view: user_90_day_facts {
derived_table: {
explore_source: order_items {
column: user_id {
field: order_items.user_id
}
column: number_of_orders_90_day {
field: order_items.order_count
}
column: customer_value_90_day {
field: order_items.total_revenue
}
filters: [order_items.created_date: "90 days"]
}
}
# Add define view's fields as desired
dimension: user_id {
hidden: yes
}
dimension: number_of_orders_90_day {
type: number
}
dimension: customer_value_90_day {
type: number
}
}
Des filtres seront ajoutés à la clause WHERE lorsque Looker écrit le code SQL pour la table dérivée.
En outre, vous pouvez utiliser le sous-paramètre dev_filters de explore_source avec une table dérivée native. Le paramètre dev_filters vous permet de spécifier des filtres que Looker applique uniquement aux versions de développement de la table dérivée, ce qui signifie que vous pouvez créer des versions plus petites et filtrées de la table pour les itérer et les tester, sans attendre la création de la table complète après chaque modification.
Le paramètre dev_filters fonctionne conjointement avec le paramètre filters afin que tous les filtres soient appliqués à la version de développement de la table. Si dev_filters et filters spécifient des filtres pour la même colonne, dev_filters est prioritaire pour la version de développement de la table.
Pour en savoir plus, consultez la page Travailler plus rapidement en mode Développement.
Utilisation de filtres basés sur un modèle
Vous pouvez utiliser bind_filters pour inclure des filtres modélisés:
bind_filters: {
to_field: users.created_date
from_field: filtered_lookml_dt.filter_date
}
Cela revient essentiellement à utiliser le code suivant dans un bloc sql:
{% condition filtered_lookml_dt.filter_date %} users.created_date {% endcondition %}
to_field est le champ auquel le filtre est appliqué. to_field doit être un champ du explore_source sous-jacent.
from_field spécifie le champ à partir duquel obtenir le filtre, s'il existe un filtre au moment de l'exécution.
Dans l'exemple bind_filters précédent, Looker prend tous les filtres appliqués au champ filtered_lookml_dt.filter_date et les applique au champ users.created_date.
Vous pouvez également utiliser le sous-paramètre bind_all_filters de explore_source pour transmettre tous les filtres d'exécution d'une exploration à une sous-requête de table dérivée native. Pour en savoir plus, consultez la page de documentation du paramètre explore_source.
Tri et limitation des tables dérivées natives
Vous pouvez également trier et limiter les tables dérivées, si vous le souhaitez:
sorts: [order_items.count: desc]
limit: 10
N'oubliez pas qu'une exploration peut présenter les lignes dans un ordre différent de l'ordre de tri sous-jacent.
Conversion de tables NDT dans différents fuseaux horaires
Vous pouvez spécifier le fuseau horaire de votre table dérivée native à l'aide du sous-paramètre timezone:
timezone: "America/Los_Angeles"
Lorsque vous utilisez le sous-paramètre timezone, toutes les données temporelles de la table dérivée native sont converties dans le fuseau horaire que vous spécifiez. Consultez la page de documentation sur les valeurs timezone pour obtenir la liste des fuseaux horaires acceptés.
Si vous ne spécifiez pas de fuseau horaire dans votre définition de table dérivée native, celle-ci n'effectuera aucune conversion de fuseau horaire sur les données temporelles. À la place, les données temporelles seront définies par défaut sur le fuseau horaire de la base de données.
Si la table dérivée native n'est pas persistante, vous pouvez définir la valeur de fuseau horaire sur "query_timezone" pour utiliser automatiquement le fuseau horaire de la requête en cours d'exécution.